The accelerated gap times model
加速间隔时间模型AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要研究复发事件与生存分析，未直接涉及所列因果、面板或宏观时间序列问题。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
加速间隔时间模型
- 研究问题
- 如何将单次生存数据的加速失效时间模型推广至复发事件，描述协变量对计数过程条件强度的影响并估计相关参数？
- 方法与思路
- 作者提出半参数模型，扩展加权对数秩估计函数，构造基于秩的一步估计量和 Aalen 型基准强度估计量。
- 材料陈述的贡献
- 摘要称建立了复发事件模型及相应参数、强度估计方法，以经验过程处理渐近分析，并通过模拟与膀胱肿瘤数据展示应用。
- 阅读关注点
- 应核对事件间隔与条件强度的具体关系、一步估计的初始值要求、效率论证，以及渐近理论所需的观察和过程条件。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；摘要未说明具体正则条件、模拟数值及应用结果，也不能据此断言估计量达到效率界。
原文摘要
This paper develops a new semiparametric model for the effect of covariates on the conditional intensity of a recurrent event counting process. The model is a transparent extension of the accelerated failure time model for univariate survival data. Estimation of the regression parameter is motivated by semiparametric efficiency considerations, extending the class of weighted log-rank estimating functions originally proposed in Prentice (1978) and subsequently studied in detail by Tsiatis (1990) and Ritov (1990). A novel rank-based one-step estimator for the regression parameter is proposed. An Aalen-type estimator for the baseline intensity function is obtained. Asymptotics are handled with empirical process methods, and finite sample properties are studied via simulation. Finally, the new model is applied to the bladder tumour data of Byar (1980).